常用损失函数公式整理

常用损失函数公式整理


基于距离度量的损失函数

  • MSE损失函数

    L o s s = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 Loss = \frac{1}{n}\sum_{i=1}^{n}(y_{i} - \hat{y}_{i})^{2} Loss=n1i=1n(yiy^i)2

  • L2损失函数

    L o s s = 1 n ∑ i = 1 n ( y i − y ^ i ) 2 Loss = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_{i} - \hat{y}_{i})^2} Loss=n1i=1n(yiy^i)2

  • L1损失函数

    L o s s = 1 n ∑ i = 1 n ( ∣ y i − y ^ i ∣ ) Loss = \frac{1}{n}\sum_{i=1}^{n}(|y_{i} - \hat{y}_{i}|) Loss=n1i=1n(yiy^i)

  • Smooth L1损失函数

L o s s = { 1 2 ( y − y ^ ) 2 , ∣ y − y ^ ∣ < 1 ∣ y − y ^ ∣ − 1 2 , ∣ y − y ^ ∣ > = 1 \begin{equation} Loss = \begin{cases} \frac{1}{2}(y - \hat{y})^2, &|y - \hat{y}| < 1 \\ |y - \hat{y}| - \frac{1}{2}, &|y - \hat{y}| >= 1 \\ \end{cases}%\text是为了在数学公式中处理中文 \end{equation} Loss={21(yy^)2,yy^21,yy^<1yy^>=1

基于概率分布度量的损失函数

  • KL散度函数

L o s s = ∑ i = 1 n ( y i × log ⁡ ( y i y i ^ ) ) Loss = \sum_{i=1}^{n}(y_{i} \times \log(\frac{y_{i}}{\hat{y_{i}}})) Loss=i=1n(yi×log(yi^yi))

  • 交叉熵损失

    L o s s = − ∑ i = 1 n y i log ⁡ y ^ i Loss = -\sum_{i=1}^{n}y_{i}\log{\hat{y}_{i}} Loss=i=1nyilogy^i

结尾

原始的Latax文件可以进群拿哦
如果觉得文章对你有用请点赞、关注 ->> 你的点赞对我太有用了
群内交流更多技术
130856474 <-- 在这里

你可能感兴趣的:(实用小工具,人工智能,机器学习,算法)